Sommaire
Abstrait
L'Institut national des technologies de l'information et des communications (NICT, président: Tokuda Hideyuki, Ph.D.) a révélé, grâce à l'analyse des activités cérébrales basée sur l'IRMf, que plusieurs régions du cortex cérébral humain représentent de manière flexible la quantité numérique. Cette constatation provient de la recherche de Hayashi Masamichi (chercheur (tenure track)) au Center for Information and Neural Networks (CINET), qui fait partie de l'Institut avancé de recherche sur les TIC de NICT, en collaboration avec le chercheur diplômé de l'Université de Tokyo, Kido Yuko.
Bien que certaines zones cérébrales soient connues pour répondre à la quantité numérique, cette étude élargit cette compréhension en montrant que certaines régions répondent à la quantité relative (par exemple, « extra-petit », « petite », « grande » et « extra-large ») plutôt qu'à une quantité absolue (c'est-à-dire une quantité spécifique). De plus, ces représentations relatives dépendantes du contexte deviennent plus prononcées le long de la voie du pariétal au lobe frontal.
Ces résultats mettent en évidence la nature flexible du traitement de la quantité numérique dans le cerveau, et ils devraient faire progresser notre compréhension de la façon dont le cerveau gère d'autres types de concepts de «magnitude», y compris le temps et la taille.
Ce travail a été publié dans la revue « Communications de la nature« Le 6 janvier 2025.
Arrière-plan
On sait depuis longtemps que certaines régions cérébrales contiennent des neurones qui répondent sélectivement à des nombres spécifiques. Cependant, il n'est pas clair s'ils réagissent toujours aux mêmes nombres, tels que 8 ou 15, quel que soit le contexte (représentation absolue), ou si leur réponse change en fonction de la situation. Si les neurones suivaient strictement la quantité absolue, un nombre impraticable de neurones seraient nécessaires pour traiter des quantités numériques infinies, ce qui rend peu difficile comment le cerveau humain, avec ses neurones limités, traite efficacement une telle gamme de nombres.
Réalisations
Dans cette étude, nous avons utilisé l'imagerie par résonance magnétique fonctionnelle (IRMf) pour mesurer l'activité cérébrale des participants et l'avons analysée avec une analyse de motifs multivariés. Pendant trois jours, les participants ont vu des modèles de points en noir et blanc qui présentaient des informations numériques dans différentes gammes pendant que leur activité cérébrale a été enregistrée.
Les résultats ont montré que malgré les variations des nombres, certaines régions cérébrales présentaient des modèles d'activité similaires. Cela s'est produit lorsque l'amplitude relative dans la plage était la même (par exemple, XS dans le grand ensemble et celle dans le petit ensemble). Cela suggère que les neurones peuvent ajuster leurs réponses aux nombres en fonction du contexte (c'est-à-dire la plage numérique), permettant un codage efficace tout en conservant les ressources neuronales.
De plus, notre étude a révélé une structure hiérarchique dans le traitement visuel: les régions sensorielles inférieures représentaient les nombres en termes absolus, tandis que les cortex d'ordre supérieur, du lobe pariétal au lobe frontal, se sont progressivement déplacés vers des représentations de quantité numérique relative. Ce décalage met en évidence la façon dont le cerveau code avec flexiblement de l'amplitude numérique basée sur le contexte.
Les informations numériques sont intégrées dans diverses formes de médias, et sa communication précise et efficace joue un rôle crucial dans la détermination de la qualité de la communication. Cette étude vise à améliorer la qualité de la communication en découvrant les fonctions cérébrales impliquées dans le traitement des concepts numériques.
Perspectives futures
Bien que cette étude s'est concentrée sur la quantité numérique, des mécanismes similaires peuvent également sous-tendre d'autres concepts quantitatifs, tels que la taille et le temps. Enquêter si le cerveau représente ces concepts de manière relative pourrait fournir des informations plus approfondies sur la façon dont le cerveau perçoit et interprète son environnement dans son ensemble.
